金属学报  1996, Vol. 32 Issue (12): 1275-1278

论文 本期目录 | 过刊浏览 |

人工神经网络在不锈钢-铝固液相压力复合研究中的应用

张鹏;崔建忠;张奇志;杜云慧;富江涛;巴立民

东北大学

ARTIFICIAL NEURAL NETWORKS APPLIED TO INVESTIGATION ON SOLID-LIQUID PRESSURE BONDING OF STAINLESS STEEL AND ALUMINIUM

ZHANG Peng;CUI Jianzhong;ZHANG Qizhi;DU Yunhui;FU Jiangtao;BA Limin (Northeastern University;Shenyang 110006)(Manuscript received 1996-05-21;in revised form 1996-07-11)

张鹏;崔建忠;张奇志;杜云慧;富江涛;巴立民. 人工神经网络在不锈钢-铝固液相压力复合研究中的应用[J]. 金属学报, 1996, 32(12): 1275-1278.
, , , , , . ARTIFICIAL NEURAL NETWORKS APPLIED TO INVESTIGATION ON SOLID-LIQUID PRESSURE BONDING OF STAINLESS STEEL AND ALUMINIUM[J]. Acta Metall Sin, 1996, 32(12): 1275-1278.

摘要 参考文献 相关文章 Metrics 全文: PDF(251 KB)   摘要: 采用人工神经网络方法研究了助焊剂浓度、铝液温度、模具温度及压力与不锈钢－铝固液相压力复合剪切强度间的力学关系，并结合遗传算法优化出了最佳复合工艺． 关键词 ： 人工神经网络,  固液相压力复合,  遗传算法     Abstract：Effects of concentration of flux solution,temperature of liquid aluminium,temperature of tools and pressure on shearing strength in solid-liquid pressure bonding of stainless steel and aluminium were investigated by means of artificial neural networks. The optimum bonding parameters were optimized with a genetic algorithm. Key words： artificial neural network    solid-liquid pressure bonding    genetic algorithm      基金资助:辽宁省科委重点资助 服务 把本文推荐给朋友 加入引用管理器 E-mail Alert RSS 作者相关文章 张鹏 崔建忠 张奇志 杜云慧 富江涛 巴立民 44.8K 链接本文: https://www.ams.org.cn/CN/      或      https://www.ams.org.cn/CN/Y1996/V32/I12/1275 1富江涛．东北大学硕士论文,19962HopfieldJJ．ProcNatAcadSciUSA,1982;79:25543PsaltisD,SiderisA,TamanmuyaA．IEEEControlSystMag,1988;8:174严六明,钦佩,李重河．科学通报,1994;39(1):945王殿辉,诸良银．有色金属,1994;46(1):296SongRG,ZhangQZ,TsengMK,ZhangBJ．MaterSciEng,1995;C3:39t [1] 余滨杉,王社良,杨涛,樊禹江. 基于遗传算法优化的SMABP神经网络本构模型[J]. 金属学报, 2017, 53(2): 248-256. [2] 侯介山,周兰章,郭建亭,袁超. NiAl合金超塑性的人工神经网络预测[J]. 金属学报, 2013, 49(11): 1333-1338. [3] 邓天勇 吴迪 许云波 赵彦峰 刘相华 王国栋. 普碳钢中厚板热轧温度制定的一种新的数学方法[J]. 金属学报, 2009, 45(1): 67-72. [4] 吴令; 姜周华; 龚伟; 梁连科 . 遗传神经网络改进正规溶液模型及其在二元渣系中的应用[J]. 金属学报, 2008, 44(7): 799-802 . [5] 齐乐华; 史忠科; 周计明; 李贺军 . 液--固挤压复合材料工艺参数的优化设计[J]. 金属学报, 2005, 41(10): 1025-1030 . [6] 由伟; 白秉哲; 方鸿生 ; 谢锡善 . 用人工神经网络模型预测钢的奥氏体形成温度[J]. 金属学报, 2004, 40(11): 1133-1137 . [7] 李新城; 陈光; 朱伟兴; 王匀; 张开华; 汪建敏 . 齿轮选材及热处理工艺智能专家系统[J]. 金属学报, 2004, 40(10): 1051-1054 . [8] 骆宇时; 彭志方 . 镍基高温合金中γ’和γ相点阵常数的简捷人工神经网络预测法[J]. 金属学报, 2003, 39(9): 897-902 . [9] 李锋军; 沈厚发; 柳百成 . 消失模铸造充型过程的模拟方法[J]. 金属学报, 2003, 39(7): 686-690 . [10] 由伟; 方鸿生; 白秉哲 . 用反向传播人工神经网络预测低碳低合金钢的马氏体转变开始温度[J]. 金属学报, 2003, 39(6): 630-634 . [11] 王春水; 彭志方; 于洋洋 . 人工神经网络预测变形高温合金的持久强度[J]. 金属学报, 2003, 39(12): 1251-1254 . [12] 李萍; 薛克敏; 吕炎; 谭建荣 . 热变形参数对Ti-15-3合金显微组织的影响及预测[J]. 金属学报, 2002, 38(2): 145-148 . [13] 薛小怀; 钱百年; 于少飞; 国旭明; 杨柯; 訾炳涛 . 熔敷金属力学性能人工神经网络预测法的应用[J]. 金属学报, 2001, 37(9): 947-951 . [14] 张兆春;吴铸;李重河;钦佩;陈念贻. 模式识别─人工神经网络在改善汽车发动机缸体铸件力学性能方面的应用[J]. 金属学报, 1998, 34(10): 1068-1072. [15] 刘刚;陈瑞亮;李重河;陈念贻. 熔盐-液体金属相互溶解度的规律性[J]. 金属学报, 1997, 33(9): 939-942. Viewed Full text Abstract Cited   Shared      Discussed